《机器学习与数据科学（基于R的统计学习方法）》——2.7　使用文件连接

本节书摘来异步社区《机器学习与数据科学（基于R的统计学习方法）》一书中的第2章，第2.7节，作者：【美】Daniel D. Gutierrez（古铁雷斯），更多章节内容可以访问云栖社区“异步社区”公众号查看。

2.7 使用文件连接

另一种从数据源中读取信息的方式是通过文件连接。利用连接，你可以读入CSV文件，就像我们在前面看到的那样。不同的是，你也可以从文本文件中读取数据行。在数据不太规整的情况下，从文本文件中按行读取数据是有意义的。为此，R有一个有用的函数readLines()，可以和文件连接一同使用。在我们查看readLines()的例子之前，首先来看看文件连接是如何工作的。考虑下面的示例代码：

 con - file("./data/SFParkingMeters.csv", "r")

 SFParkingMeters - read.csv(con)

 close(con)

 head(SFParkingMeters)```

前面的例子首先使用file()函数来建立CSV文件与命名为con的对象的连接。然后，我们调用read.csv()函数，使用连接对象作为参数，以读取文件的内容。最后，完成后关闭连接是很好的习惯。跟前面的一样，数据框SFParkingMeters包含了文件的内容。

现在让我们回到readLines()函数，然后做一些完全不一样的事情。这一次，数据源将会是一个网页，所以我们会使用url()函数来提供网页的地址。遵循和之前一样的步骤，但设定参数n=20，表示只读取网页的前20行（如果一次只想读取1行，取n=1）。

con - url("http://radicaldatascience.wordpress.com/", "r")
RDS - readLines(con, n=20)
close(con)
head(RDS)`
在上文中，使用head()，展示了从我的博客上读取的HTML文本。

[1] " !DOCTYPE html " " !--[if IE 7] " 

[3] " html id=\"ie7\" lang=\"en\" " " ![endif]-- " 

[5] " !--[if IE 8] " " html id=\"ie8\" lang=\"en\" "```

使用readLines()的一个很重要的方面是：数据行存储在特征向量而不是数据框中。你可以使用class()函数来查看：

class(RDS)

[1] "character"`
将文件中的文本行存储在向量中意味着你必须写R代码来处理数据，以解释数据的含义。举个例子，如果数据行中包含Twitter社交媒体内容，那么你可能希望开发一个算法来执行推文中的文本倾向性分析。

R中有很多其他函数涉及连接。要查看完整的列表，使用如下命令：

一文读懂！异常检测全攻略！从统计方法到机器学习 ⛵ 本文系统介绍了『单变量异常检测』和『多变量异常检测』识别技术，包括传统的统计方法（四分位距、标准差），以及前沿的机器学习模型（孤立森林、DBSCAN、LOF局部离群因子）。
异步社区 异步社区(www.epubit.com)是人民邮电出版社旗下IT专业图书旗舰社区，也是国内领先的IT专业图书社区，致力于优质学习内容的出版和分享，实现了纸书电子书的同步上架，于2015年8月上线运营。公众号【异步图书】，每日赠送异步新书。